https://wiki.conaondaapps.com/index.php?action=history&feed=atom&title=%EB%B9%84%EC%A0%84_%EC%96%B8%EC%96%B4_%EB%AA%A8%EB%8D%B8 2026-08-20T16:09:50Z 이 문서의 편집 역사 MediaWiki 1.46.0 https://wiki.conaondaapps.com/index.php?title=%EB%B9%84%EC%A0%84_%EC%96%B8%EC%96%B4_%EB%AA%A8%EB%8D%B8&diff=66&oldid=prev 2026-08-20T04:19:17Z

<p>migrate: import legacy Wiki content to Vultr</p> <p><b>새 문서</b></p><div>&#039;&#039;&#039;비전 언어 모델&#039;&#039;&#039;(Vision-Language Model, VLM)은 이미지와 텍스트를 함께 처리할 수 있도록 설계된 머신 러닝 모델이다. 이미지 이해, 텍스트-이미지 상호 연관, 시각적 질의응답(VQA) 등의 과제를 수행할 수 있다.<br /> <br /> == 개요 ==<br /> 기존의 컴퓨터 비전은 이미지 분류와 같이 텍스트를 다루지 않는 경우가 많았다. 비전 언어 모델은 이미지 인코더와 텍스트 모델을 결합하여 두 모달을 함께 이해하며, 이미지와 언어의 상호 작용이 필요한 과제에서 사용된다. 최근 거대 언어 모델의 발전을 기반으로 많은 VLM이 생성형 및 이해 기능을 함께 제공하고 있다.<br /> <br /> == 주요 모델 ==<br /> <br /> * CLIP — 이미지와 텍스트를 공통 임베딩 공간으로 매핑<br /> * [[Florence-2]] — 프롬프트 기반 통합 비전 모델<br /> * LLaVA — 비전 인코더와 대형 언어 모델을 결합한 VLM<br /> * BLIP / BLIP-2 — 이미지 캡셔닝 및 VQA 용 모델<br /> * GPT-4V — 상용 홝식 모델의 비전 기능<br /> <br /> == 활용 분야 ==<br /> <br /> === 이미지 캡셔닝 및 주석 ===<br /> 이미지의 내용을 자동으로 설명하고 메타데이터를 생성하는 데 사용된다.<br /> <br /> === 시각적 질의응답(VQA) ===<br /> 이미지에 대한 질문에 답하는 기능으로, 문서 이해, 교육, 상품 안내 등에 활용된다.<br /> <br /> === 텍스트 기반 이미지 검색 ===<br /> 대규모 이미지 컴라이러리에서 내용 기반 검색을 제공한다.<br /> <br /> === 로보틱스 및 자율주행 ===<br /> 시각 인식과 언어 이해가 함께 필요한 제어로직에 활용된다.<br /> <br /> == 함께 보기 ==<br /> <br /> * [[Florence-2]] — 프롬프트 기반 통합 비전 모델<br /> * [[트랜스포머]] — 많은 VLM의 기반 아키텍처<br /> * [[객체 탐지]] — 비전 모델이 수행하는 주요 태스크<br /> <br /> == 출처 ==<br /> <br /> * [https://openai.com/research/clip CLIP (OpenAI)]<br /> * [https://llava-vl.github.io/ LLaVA 프로젝트]<br /> <br /> [[분류:비전 언어 모델]]<br /> [[분류:머신 러닝]]</div>

Admina7ec671ac513